 |
| Memduat Data TIdak Valid Menjadi Valid Smart PLS |
Bagaimana Cara Membuat Data Tidak Valid Pada Smart PLS - Berikut Kami Berikan Tutorial Uji Valdiitas Smart PLS. Uji validitas dengan smart PLS sangat berbeda dengan uji validitas dengan SPSS. Baik dari cara input datanya maupun cara membaca tabel outputnya untuk membuat kesimpulan tentang uji validitas dengan Smart PLS.
Bagaimana langkah-langkah ujivaliditas dengan Smart PLS ?
Tahap pertama adalah dengana membuat project baru dengan klik New Project, setelah selesai project dibuat kemudian import file excel dimana tabulasi data kita telah disimpan dalam format CSV (Comma Delimited)
Tahap ke dua setelah filenya diimport kita kembali ke halaman depan, kemudian klik pls-sem setelah itu akan muncul kotak dialog baru, pada kotak dialog baru kita klik save
Dan tahap ketiga, kita blok setiap item pertanyaan pada masing-masing variabel dan di drag kemudian di lepas pada halaman grphic yang ada di samping kanannya kemudian dilepas, setelah dilepas tinggal kita hubungkan garis dari satu variabel ke variabel yang lain dengan menggunakan tool Connect
Pada uji validitas dengan analisis sem dengan smart pls sebuah data dikatakan valid apabila telah memenuhi 3 kriteria dalam pengukuran outlier smart pls. Sehingga pada mart pls sebuah data dikatakan valid pada tahap uji validitas dengan smart pls apabila telah memenuhi 3 kriteria antara lain:
Convergent validity
Pada kriteria Convergent validity sebuah data dikatakan memenuhi syarat apabila nilai loading factor pada variabel laten > 0,7, dan apabila < dari 0,7 maka dikatakan tidak memenuhi syarat pada Convergent validity.
Average variance extracted (AVE)
Pada kriteria Average variance extracted (AVE) sebuah data dikatakan memenuhi syarat apabila nilai Average variance extracted (AVE) > 0,5 apabila nilai Average variance extracted (AVE) > ,5 maka dikatakan telah memenuhi syarata. Namun apabila nilai Average variance extracted (AVE) < 0.5 maka tidak memenuhi syarat pada Average variance extracted (AVE).
Discriminant validity.
Pada kriteria Discriminant validity dala uji validitas dengan smart pls dapat dikatakan memenuhi syarat Discriminant validity apabila nilai konstruknya lebih besar dari nilai konstruk yang lain, yang artinya nilai kontruct dari variabel laten harus lebih besar dengan nilai yang ada di sampingnya (secara horisontal dan vertikal), perhatikan gambar dibawah yang telah di blok
 |
| Discriminant validity - Uji Validitas Smart PLS |
Nah ketika telah memenuhi syarat pada ketiga kriteria tersebut maka data tersebut telah memenuhi syarat dalam uji validitas pada oulier model dengan menggunakan smart pls sem. Selanjutnya bagaimana cara membuat data tidak valid menjadi valid pada smart PLS sem, caranya cukup mudah silahkan dipelajari penjelasan mengenai cara membuat data tidak valid menjadi valid pada smart PLS pada video dibawah ini
#smartpls #ujivaliditassmartpls #outerloeding #crossloading #smartplssem #analsissmartpls #tutorialgratisbyphiter #pmrenderweb
